基于深度学习的半监督信号调制样式识别算法

摘要

得益于深度学习的发展，使用神经网络提升信号识别性能取得了很大进步。使用半监督方法充分利用未标记数据来辅助深度模型的训练，但是现有的半监督信号识别方法未考虑噪声的影响，因此提出了一种基于深度残差网络（Resnet）的半监督信号识别方法，并利用梯度逆转层改善了噪声对性能的影响。在开源数据集RML2016.10A、RML2016.10B和RML2016.10C上的实验结果表明，该半监督方法可借助少量标签数据信息和未标记数据来有效地训练深度模型，并且能缓解噪声对性能的影响。

关键词

调制样式 / 半监督学习 / 卷积神经网络 / 信号识别

基金资助

新疆维吾尔自治区自然科学基金（2022D01B184）; 中国博士后科学基金（2020M683290,2021T140095）; 中央高校基本科研业务费（ZYGX2021J031）